文献类型：期刊文章

作　　者：杨春霞[1,2,3] 李欣栩[1,2] 吴佳君[1,2] 刘天宇[4]

YANG Chunxia;LI Xinxu;WU Jiajun;LIU Tianyu(School of Automation,Nanjing University of Information Science&Technology,Nanjing 210044,China;Jiangsu Key Laboratory of Big Data Analysis Technology(B-DAT),Nanjing 210044,China;Jiangsu Collaborative Innovation Center of Atmospheric Environment and Equipment Technology(CICAEET),Nanjing,210044,China;Tangyuan County Meteorological Administration of Jiamusi City,Jiamusi,Heilongjiang 154000,China)

机构地区：[1]南京信息工程大学自动化学院,南京210044 [2]江苏省大数据分析技术重点实验室,南京210044 [3]江苏省大气环境与装备技术协同创新中心,南京210044 [4]佳木斯市汤原县气象局,黑龙江佳木斯154000

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(61273229);江苏省青蓝工程。

年　　份：2021

卷　　号：57

期　　号：9

起止页码：134-139

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目前关于商品评论的深度网络模型难以有效利用评论中的用户信息和产品信息。提出一种基于注意力交互机制的层次网络(HNAIM)模型。该模型利用层次网络对不同粒度语义信息进行提取,并通过注意力交互机制在层次网络中通过捕捉用户、产品中的重要特征来帮助提取文本特征。最终将用户视角下的损失值和产品视角下的损失值作为辅助分类信息,并利用层次网络输出的针对用户或产品的关键文本特征进行训练和分类。三个公开数据集上对比结果表明,该模型较相关模型而言效果均有提升。

关 键 词：情感分类 粒度 双向长短期记忆网络  注意力交互机制  

分 类 号：TP391.1]